一种中草药推荐方法技术

本申请公开了推荐技术领域内的一种中草药推荐方法

【技术实现步骤摘要】
一种中草药推荐方法、装置、电子设备和存储介质


[0001]本申请涉及推荐
，特别涉及一种中草药推荐方法
、
装置
、
电子设备及可读存储介质
。

技术介绍

[0002]中医是我国古代医学家们通过数千年的实践与总结，概括出独具特色的医学理论体系
。
在现代经济快速发展的同时，中华文化对世界的影响逐步扩大，中医作为中华民族的宝贵财富，成为了人们关注的热点
。
同时，中医这一疾病治疗技术已传承千年，积累了大量临床实践经验，它对现代社会保障民众健康起到了举足轻重的作用
。
基于人工智能技术的中医辅助诊疗系统能够为医生和患者提供决策支持，成为实现中医诊疗现代化的关键技术
。
这将有利于更有效地对中医临床经验进行剖析，促进中医经验的传承和发扬
。
[0003]目前，现实中的中药推荐还高度依赖于从业者的经验
。
为实现自动化
、
智能化的推荐，已经出现一些基于机器学习的相关方法
。
然而，使用传统的机器学习方法很难准确地提取中医实体之间的关系，这使得现有中药推荐方法的准确率并不高
。

技术实现思路

[0004]有鉴于此，本申请的目的在于提供一种中草药推荐方法
、
装置
、
电子设备和存储介质，解决了现有中草药推荐方法准确率不高的问题
。
其具体方案如下：第一方面，本申请提供了一种中草药推荐方法，包括：获取一组症状，与症状对应的一组证素，以及对应的证型；根据症状和证素
、
证型的关系分别构建症状
‑
证素
‑
症状图，症状
‑
证型
‑
症状图；分别利用多图注意力网络和多图卷积神经网络对所述症状
‑
证素
‑
症状图
、
症状
‑
证型
‑
症状图提取症状组特征嵌入表示，并融合得到嵌入特征；将所述嵌入特征输入至中药预测模型，得到推荐的治疗该组症状的中药
。
[0005]第二方面，本申请提供了一种中药推荐装置，包括，获取模块，用于获取一组症状，与症状对应的一组证素，以及对应的证型；图构建模块，用于根据症状和证素
、
证型的关系分别构建症状
‑
证素
‑
症状图，症状
‑
证型
‑
症状图；融合模块，用于分别利用多图注意力网络和多图卷积神经网络对所述症状
‑
证素
‑
症状图
、
症状
‑
证型
‑
症状图提取症状组特征嵌入表示，并融合得到嵌入特征；推荐模块，用于将所述嵌入特征输入至中药预测模型，得到推荐的治疗该组症状的中药
。
[0006]第三方面，本申请提供了一种电子设备，包括：存储器，用于存储计算机程序；处理器，用于执行所述计算机程序，以实现前述公开的中药推荐方法
。
[0007]第四方面，本申请提供了一种可读存储介质，用于保存计算机程序，其中，所述计
算机程序被处理器执行时实现前述公开的中药推荐方法
。
[0008]通过以上方案可知，本申请提供了一种中药推荐方法，获取一组症状，与症状对应的一组证素，以及对应的证型；根据症状和证素
、
证型的关系分别构建症状
‑
证素
‑
症状图，症状
‑
证型
‑
症状图；分别利用多图注意力网络和多图卷积神经网络对所述症状
‑
证素
‑
症状图
、
症状
‑
证型
‑
症状图提取症状组特征嵌入表示，并融合得到嵌入特征；将所述嵌入特征输入至中药预测模型，得到推荐的治疗该组症状的中药
。
[0009]可见，本申请将症状特征表示为节点，根据症状和证素
、
证型特征的在处方中的共现关系生成边缘，构建了中医知识图谱；分别使用多图注意力网络和多图卷积神经网络提取特征，并将它们融合在一起；使用卷积神经网络进行草药预测，推荐出治疗该组症状的草药组，从而能够更准确地推荐中药
。
[0010]相应地，本申请提供的一种中草药推荐装置
、
电子设备和存储介质，也同样具有上述技术效果
。
附图说明
[0011]为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图
。
[0012]图1为本申请公开的一种中草药推荐方法流程图；图2为本申请公开的一种多图神经网络架构
MGNN
示意图；图3为本申请公开的一种卷积神经网络
CNN
示意图；图4为本申请公开的一种中草药推荐装置示意图；图5为本申请公开的一种电子设备示意图
。
具体实施方式
[0013]下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚
、
完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例
。
基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围
。
[0014]术语解释：证素：中医理论中描述身体病变的最小单位，分为病性证素和病位证素两种，病性证素指身体出现的病变
(
例如，阴虚
、
阳虚
)
，病位证素指出现病变的部位
(
例如，肾
)
；证型：在中医中相当于西医的诊断，由一种或几种病性证素结合
(
或不结合
)
一种
(
或几种
)
病位证素组成，例如，证型“肾阴阳两虚证”由病性证素“阴虚”、“阳虚”和病位证素“肾”组成，而证型“阴虚证”由病性证素“阴虚”组成
。
每个病性证素对应一个只包含该病性证素的单一证型，例如，“气虚”对应的单一证型为“气虚证”；症状：疾病的临床表现，例如，“食少纳呆”，每种症状会对应一个或几个证素；现有的相关方法主要集中在
Seq2Seq
模型
、
主题模型
、
图神经网络上
。
由于缺乏统一
、
规范的证型和证素标注，其中大部分方法侧重于建模症状和中药之间的相互作用，从而
忽略了证型
、
证素等中医领域知识的贡献
。本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种中草药推荐方法，其特征在于，包括：获取一组症状，与症状对应的一组证素，以及对应的证型；根据症状和证素
、
证型的关系分别构建症状
‑
证素
‑
症状图，症状
‑
证型
‑
症状图；分别利用多图注意力网络和多图卷积神经网络对所述症状
‑
证素
‑
症状图
、
症状
‑
证型
‑
症状图提取症状组特征嵌入表示，并融合得到嵌入特征；将所述嵌入特征输入至中药预测模型，得到推荐的治疗该组症状的中药
。2.
根据权利要求1所述的方法，其特征在于，所述症状
‑
证素
‑
症状图为以症状为节点
、
证素为边的无向图；所述症状
‑
证型
‑
症状图为以症状为节点
、
证型为边的无向图
。3.
根据权利要求1所述的方法，其特征在于，所述利用多图注意力网络对所述症状
‑
证素
‑
症状图
、
症状
‑
证型
‑
症状图提取症状组特征嵌入表示，包括：基于多图注意力网络对所述症状
‑
证素
‑
症状图中的每个节点聚合邻居节点特征信息，得到第一节点特征表示；基于多图注意力网络对所述症状
‑
证型
‑
症状图中的每个节点聚合邻居节点特征信息，得到第二节点特征表示；分别将症状组与所述第一和第二节点特征表示相乘，得到第一和第二症状组特征嵌入表示
。4.
根据权利要求3所述的方法，其特征在于，所述得到第一和第二节点特征表示，包括：分别计算所述症状
‑
证素
‑
症状图
、
症状
‑
证型
‑
症状图中的各个节点的注意力系数，分别对两个图中的邻居节点进行加权求和，得到新的节点特征；根据多头注意力机制，得到更新后的节点特征；通过注意力层聚合，根据所述更新后的节点特征，得到所述第一和第二节点特征表示
。5.
根据权利要求3所述的方法，其特征在于，所述利用多图卷积神经网络对所述症状
‑
证素
‑
症状图
、
症状
‑
证型
‑
症状图提取症状组特征嵌入表示，包括：基于多图卷积神经网络对所述症状
‑
证素
‑

【专利技术属性】
技术研发人员：董桂峰，赵静，周常恩，李文友，朱琼，尚卫兵，
申请(专利权)人：南京大经中医药信息技术有限公司，
类型：发明
国别省市：